Im vergangenen Jahr legten KI-Chatbots den Grundstein und sind nach wie vor ein verbreiteter Anwendungsfall. Innovatoren richten ihr Augenmerk nun auf die Entwicklung von Multi-Agent-Systemen, die komplexe und spezialisierte Aufgaben autonom planen und ausführen können.

Der Aufstieg von Multi-Agenten-Systemen

Unternehmen stellen von einzelnen Chatbots auf Multi-Agent-Systeme um, die auf Domänen Intelligenz basieren. Die Anwendung dieser Systeme stieg in nur vier Monaten um 327 Prozent. Basierend auf der Analyse verwenden 78 Prozent der Unternehmen zwei oder mehr Modellfamilien (GPT, Claude, Llama, Gemini oder Qwen). Abgeleitet bedeutet dieses Ergebnis: Unternehmen entscheiden, welche Modellfamilie für verschiedene Anwendungsfälle am besten geeignet ist. KI-Agentensysteme bestehen aus mehreren Agenten, die zusammenarbeiten, um Aufgaben in spezialisierten Aufgabengebieten zu erledigen.

KI ist mittlerweile Teil kritischer Arbeitsabläufe in allen Branchen, und die meisten GenAI-Anwendungsfälle konzentrieren sich auf die Automatisierung routinemäßiger notwendiger Aufgaben. 40 Prozent davon beziehen sich auf Kundenerfahrungen. Eine der am häufigsten ausgeübten Aufgaben von Agenten (31 %) ist das Extrahieren von Informationen. Dies spiegelt den Bedarf von Unternehmen wider, sowohl strukturierte als auch unstrukturierte Daten zu nutzen. Zusammen mit dem Anstieg des Vibe Codings hat dies tiefgreifende Auswirkungen auf die Anforderungen an Datenbanken, da Unternehmen ihre KI-Agenten skalieren möchten. Dieser Wandel findet bereits statt: Telemetrie-Daten aus Neon, einer serverlosen Postgres-Datenbank, zeigen, dass die Anzahl der von KI-Agenten erstellten Datenbanken in nur zwei Jahren von 0,1 auf 80 Prozent gestiegen ist. Das Startup wurde von Databricks gekauft und die Technologie steckt nun in Databricks Lakebase.

KI-Bewertungen und Governance sind die Bausteine der Produktion

KI-Bewertungen sind entscheidend für die Sicherstellung hochwertiger Ergebnisse. Unternehmen, die Bewertungstools einsetzen, bringen fast sechsmal mehr KI-Projekte in Produktion. Unternehmen, die KI-Governance einsetzen, bringen sogar über zwölfmal mehr KI-Projekte in die Produktion. KI-Governance selbst ist eine der wichtigsten Investitionsprioritäten und wuchs in neun Monaten um das Siebenfache.

KI-Agenten treiben die Aktivitäten der Kerndatenbank voran

Die Zahlen sprechen eine deutliche Sprache: 80 Prozent der Datenbanken werden von KI-Agenten erstellt. 97 Prozent der Datenbank-Test- und Entwicklungsumgebungen werden mittlerweile ebenfalls von KI-Agenten aufgebaut. Diese Entwicklung treibt den Bedarf einer neuen Art von Datenbank wie Lakebase voran. Sie führt eine neue Architektur für OLTP-Datenbanken ein, die eine Trennung von Rechenleistung und Speicher für unabhängige Skalierung und Verzweigung umfasst. Diese Art von Datenbank vereinfacht operative Daten-Workflows. Darüber hinaus eliminiert sie fragile ETL-Pipelines und komplexe Infrastrukturen. Darüber hinaus ermöglicht sie es Teams, schneller zu arbeiten und intelligente Anwendungen auf einer einheitlichen Datenplattform bereitzustellen.

Dael Williamson, EMEA CTO bei Databricks, kommentiert: „Für Unternehmen in der gesamten EMEA-Region hat sich die Diskussion von KI-Experimenten hin zur operativen Realität verlagert. KI-Agenten steuern bereits wichtige Teile der Unternehmensinfrastruktur, aber nur diejenigen Unternehmen, die Governance und Bewertung als Grundlage und nicht als Nebensache betrachten, erkennen den tatsächlichen Wert. Ebenso wichtig ist, dass sich der Fokus wieder dahin verlagert, wie Unternehmen Technologien nutzen, nicht was sie kaufen. Offene, interoperable Plattformen ermöglichen es Unternehmen, KI auf ihre eigenen Unternehmensdaten anzuwenden, anstatt sich auf eingebettete KI-Funktionen zu verlassen, die zwar kurzfristig Produktivität bringen, aber keine langfristige Differenzierung. In stark regulierten und risikobewussten Märkten in der gesamten EMEA-Region ist es diese Kombination aus Offenheit und Kontrolle, die Pilotprojekte von Wettbewerbsvorteilen unterscheidet.“

Ausblick

Führungskräfte und Datenexperten stehen nun vor der Herausforderung, nicht nur das richtige Modell oder den richtigen Anwendungsfall für Agenten auszuwählen, sondern diese effektiv im Unternehmenskontext einzusetzen. Gelingt es ihnen, erzielen sie qualitativ hochwertige und genaue Ergebnisse. Sie wählen das richtige Modell und/oder Multi-Agent-System zur Lösung spezifischer Probleme und setzen Agenten zur Unterstützung umfangreicher Routineaufgaben ein. Außerdem investieren sie in einheitliche Daten- und KI-Governance- sowie Evaluierungstools. All diese Schritte haben sich als wichtige Treiber für die Einführung von KI in die Produktion erwiesen. Letztlich werden die Unternehmen, die sie umsetzen, das Tempo zukünftiger Transformationen vorgeben.

Lesen Sie hier mehr über die Ergebnisse des Berichts hier: https://www.databricks.com/resources/ebook/state-of-ai-agents